Question

我正在尝试将使用latin1字符集的定制CMS中的某些鱼类信息配置文件转移到使用UTF-8的WordPress自定义（自定义帖子类型，包含多个元字段）数据库。< / p>

最重要的是，旧的CMS使用一些奇数bbCode位。

基本上，我正在寻找能够做到这一点的功能：

使用latin1_swedish_ci排序规则（以及latin1字符集）从旧数据库中获取信息
将所有非标准字符（我们的语言包括但不包括克罗地亚语，捷克语，西班牙语，法语和德语）转换为HTML实体，例如á（&134;等数字很好）。
将所有bbCode（见下文）转换为HTML
将'和"转换为HTML实体
将utf-8 charset的信息返回到我的新数据库

bbCode to和from是：

$search = array( '[i]', '[/i]', '[b]', '[/b]', '[pl]', '[/pl]' );
$replace = array( '<i>', '</i>', '<strong>', '</strong>', '', '' );

到目前为止我尝试过的功能是：

$search = array( '[i]', '[/i]', '[b]', '[/b]', '[pl]', '[/pl]' );
$replace = array( '<i>', '</i>', '<strong>', '</strong>', '', '' );

function _convert($content) { 
    if(!mb_check_encoding($content, 'UTF-8') 
        OR !($content === mb_convert_encoding(mb_convert_encoding($content, 'UTF-32', 'UTF-8' ), 'UTF-8', 'UTF-32'))) { 

        $content = mb_convert_encoding($content, 'UTF-8'); 

        if (mb_check_encoding($content, 'UTF-8')) { 
            return $content;
        } else { 
            echo "<p>Couldn't convert to UTF-8.</p>";
        } 
    } 
} 

function _clean($content) {
    $content = _convert( $content );
    /* edited out because otherwise all HTML appears as &lt;html&gt; rather than <html>
    //$content = htmlentities( $content, ENT_QUOTES, "UTF-8" );
    $content = str_replace( $search, $replace, $content );

    return $content;
}

然而，这会阻止某些字段导入到新数据库，而不是替换bbCode。

如果我使用以下代码，它主要起作用：

$var = str_replace( $search, $replace, htmlentities( $row["var"], ENT_QUOTES, "UTF-8" ) );

但是，包含我认为捷克语/克罗地亚语字符的某些字段根本不显示。

有没有人有任何建议，我可以按照上面列出的顺序成功将信息从“旧格式”转换为新格式？

Answer 1

我想说如果您想要转换所有非ASCII字符，则不需要进行任何latin1到UTF-8转换。假设您在数据上运行htmlspecialchars或htmlentities等函数，则所有非ASCII字符都将替换为相应的实体代码。

基本上，在此步骤之后，不应该有任何需要转换为UTF-8的字符。另外，如果您想将latin1编码字符串转换为UTF-8，我强烈怀疑utf8_encode会很好。

PS。在将bbCode转换为HTML时，我建议使用正则表达式。例如，你可以像这样做一行：

$html_data = preg_replace('/\[(/?[a-z]+)\]/i', '<$1>', $bb_code_data);

迁移数据，从latin1 charset迁移到UTF-8

1 个答案: